作者 | 曾響鈴

文 | 響鈴說

今天，在DeepSeek掀起的AI熱潮中，人人都在為強大且智能的AI體驗而興奮、狂熱。企業(yè)側(cè)也掀起了一場接入熱潮，紛紛開展DeepSeek的應(yīng)用探索。

然而，可能大多數(shù)人都忽略了——盡管DeepSeek的高性價比和開源免費，已經(jīng)大大降低了AI的使用門檻，也減輕了企業(yè)組織的成本負(fù)擔(dān)。但這條應(yīng)用之路走起來其實并沒有那么輕快。

當(dāng)DeepSeek深度應(yīng)用到企業(yè)的核心生產(chǎn)系統(tǒng)以及組織內(nèi)部的方方面面，大量的問題將會爆發(fā)出來：是否一個DeepSeek就足夠了？未來是否會出現(xiàn)更強大的模型？屆時如何替換或整合？現(xiàn)有的數(shù)據(jù)如何投喂給DeepSeek，甚至是下一個更強的模型？等等。

這些問題困擾著CTO們，特別是企業(yè)組織已經(jīng)開始接入DeepSeek之后，他們更焦慮了。

從實驗室到生產(chǎn)車間，企業(yè)AI應(yīng)用共同的“痛”

目前，政務(wù)、金融、電力、煤礦、制造等多個行業(yè)的多家頭部企業(yè)已公開宣稱引入DeepSeek開展智能化應(yīng)用。據(jù)統(tǒng)計，目前98家央企中已有超過40家開展DeepSeek應(yīng)用。

翻看具體的應(yīng)用場景，大多數(shù)都還集中在客服、辦公、研發(fā)等通用場景，有部分頭部企業(yè)開始拓展到核心場景。如何讓DeepSeek全面地賦能企業(yè)生產(chǎn)全流程，讓大模型真正“上崗”是大家接下來最關(guān)心的問題。

一、百模千態(tài)：多模型協(xié)同是必然，未來也會出現(xiàn)更創(chuàng)新的模型。

人類世界是一個復(fù)雜多元的世界，場景和問題也是復(fù)雜多變的，單一的模型無法滿足所有場景的需求。例如，典型的制造企業(yè)，既有銷服環(huán)節(jié)的智能問答、知識庫場景，又有生產(chǎn)環(huán)節(jié)的工廠的入侵、異常事件準(zhǔn)確預(yù)警和生產(chǎn)工藝進行優(yōu)化場景，這些都需要自然語言模型、機器視覺模型和預(yù)測模型才能完成。DeepSeek 在自然語言、科學(xué)計算等方面表現(xiàn)出色，但它不是萬能的，更無法覆蓋AI 應(yīng)用的全部領(lǐng)域。

大部分政企在接入DeepSeek的同時，之前已部署使用的模型也會依然并行使用，尤其是目前工業(yè)領(lǐng)域應(yīng)用比較多的機器視覺、預(yù)測等依然會發(fā)揮重要作用。從長遠來看，模型技術(shù)的迭代更新會越來越快，這意味著未來一定會有新的模型或訓(xùn)練范式出現(xiàn)。

因此，多模型并存、協(xié)同發(fā)展是 AI 產(chǎn)業(yè)滿足多樣化需求的必然選擇，不會因某一特定模型的出現(xiàn)而被替代。

二、算力激增：算力需求不減反增，技術(shù)的演進需要強大的基礎(chǔ)設(shè)施。

AI 技術(shù)的發(fā)展，尤其是深度學(xué)習(xí)模型的不斷演進，對算力的需求呈指數(shù)級增長。從早期簡單的神經(jīng)網(wǎng)絡(luò)到如今復(fù)雜的大規(guī)模預(yù)訓(xùn)練模型，每一次技術(shù)突破都依賴于強大的算力支持。

盡管DeepSeek通過算法優(yōu)化將訓(xùn)練成本降低90%，但是也降低了算力門檻，刺激了更多行業(yè)擁抱AI�；�于長期發(fā)展來看，不論是AI應(yīng)用普及還是模型迭代更新都離不開算力的持續(xù)提升。

因此，算力需求的增長趨勢不可阻擋，這是推動 AI 產(chǎn)業(yè)發(fā)展的重要物質(zhì)基礎(chǔ)，不會因個別技術(shù)或產(chǎn)品的出現(xiàn)而改變。

三、應(yīng)用為王：深入行業(yè)場景，以系統(tǒng)化思維。

每個行業(yè)都有其獨特的知識體系和運作邏輯，AI 只有持續(xù)深入其中，不斷優(yōu)化和定制，才能真正發(fā)揮其巨大潛力。因此，在政企AI應(yīng)用落地中，需要將通用模型和行業(yè)知識深度融合共同發(fā)揮作用，才能最大化發(fā)揮AI技術(shù)的價值。例如，在金融領(lǐng)域，AI技術(shù)的領(lǐng)先固然重要，但還需要結(jié)合分析客戶的交易數(shù)據(jù)、信用記錄、社交網(wǎng)絡(luò)等多源數(shù)據(jù)，構(gòu)建風(fēng)險評估模型，才能精準(zhǔn)判斷客戶的信用風(fēng)險，決定是否批準(zhǔn)貸款以及貸款額度、利率等，而這些都是目前的通用模型所做不到的。

在這個過程中，需要一套科學(xué)的方法論，是一個系統(tǒng)工程。DeepSeek 為企業(yè)提供了一種新的大模型選擇，但落地過程中的關(guān)鍵步驟和原則不會改變。包括從需求的精準(zhǔn)梳理、數(shù)據(jù)的高效準(zhǔn)備、模型的選型與定制，到部署、運維以及與企業(yè)現(xiàn)有業(yè)務(wù)流程和系統(tǒng)的融合等多個環(huán)節(jié)。

首先，企業(yè)要明確自身業(yè)務(wù)目標(biāo)，確定哪些業(yè)務(wù)環(huán)節(jié)可以借助大模型實現(xiàn)優(yōu)化或創(chuàng)新。其次，在模型部署時，要考慮企業(yè)的 IT 基礎(chǔ)設(shè)施、數(shù)據(jù)安全和隱私保護要求，選擇合適的部署方式，如私有云、混合云或邊緣部署。再者，需要高質(zhì)量的行業(yè)數(shù)據(jù)，對大模型進行增訓(xùn)、微調(diào)，以匹配企業(yè)的實際場景。模型投入使用后，需要持續(xù)監(jiān)測其性能，根據(jù)業(yè)務(wù)變化和用戶反饋進行及時調(diào)整和優(yōu)化。這一整套方法論是確保大模型在企業(yè)中發(fā)揮價值、實現(xiàn)可持續(xù)發(fā)展的保障，不會因新模型的出現(xiàn)而被顛覆。

綜合來說，政企AI應(yīng)用的難點和基本面并未改變，這也就決定了政企AI應(yīng)用方向，牢牢把握基本盤，結(jié)合自身發(fā)展訴求和行業(yè)特性積極布局，實現(xiàn)穩(wěn)健且可持續(xù)發(fā)展。

打通最后一公里：可持續(xù)演進的平臺是核心

事實上，大模型的熱點一直在變。從ChatGPT到DeepSeek，中間只是2年的時間，市場的C位就已經(jīng)完成替換。在技術(shù)的發(fā)展路徑中，變化是必然的，不確定性也是必然的。而對于大型政企而言，構(gòu)建一個具備可持續(xù)演進能力的AI架構(gòu)，作為應(yīng)對未來變化的一大基本盤，是企業(yè)在 AI 領(lǐng)域?qū)崿F(xiàn)穩(wěn)健且可持續(xù)發(fā)展的必要條件。

一、穩(wěn)定的AI開發(fā)平臺。AI平臺是下層的軟硬件基礎(chǔ)設(shè)施和上層的大模型之間聯(lián)接的橋梁，其技術(shù)架構(gòu)要收斂，要簡單，要統(tǒng)一。AI平臺向下需要結(jié)合云平臺封裝底層軟硬件的復(fù)雜性，通過彈性資源調(diào)度解決算力效率，做好算力、模型和各類資源的調(diào)度和運營；向上需要支持來源多樣的模型的快速適配，并且提供一系列工具鏈支持模型、數(shù)據(jù)、應(yīng)用的一站式開發(fā)和部署，通過微調(diào)、評測、壓縮、部署端到端標(biāo)準(zhǔn)化，讓模型上線更快。

此外，AI平臺還需要根據(jù)企業(yè)在不同時期和場景的需要，靈活選擇公有云、私有云或是兩者結(jié)合的多種部署模式。同時，對于有邊緣業(yè)務(wù)需求的場景，需要提前規(guī)劃云邊協(xié)同的架構(gòu)。

混合云是更為匹配的一種方案。以華為云提供的混合云方案華為云Stack為例，針對政企客戶在不同階段的不同AI需求，可以提供昇騰云服務(wù)、全�；旌显啤⑦吘壿p量化等多種部署模式供政企客戶靈活選擇。在探索應(yīng)用初期，政企客戶可以一鍵式使用華為云昇騰云服務(wù)快速開展應(yīng)用試點嘗鮮。等到了深入應(yīng)用階段，政企客戶還可以有選擇地將昇騰云上訓(xùn)練好的模型推送到本地中心云，基于華為云Stack提供的全棧云服務(wù)，結(jié)合客戶本地私有數(shù)據(jù)進行模型的微調(diào)和增訓(xùn)，從而訓(xùn)練出更匹配自身業(yè)務(wù)訴求的專精模型。

如此一來，政企客戶完全不需要遷移平臺或是重構(gòu)架構(gòu)，就能順暢地完成不同階段的AI應(yīng)用部署與嘗試，高效實現(xiàn)企業(yè)的數(shù)智化轉(zhuǎn)型升級。

二、標(biāo)準(zhǔn)化的落地范式。架構(gòu)可演進還來自其對AI落地范式的理解與落實，往往一個平臺越是具備標(biāo)準(zhǔn)化的落地范式越能有條不紊地解決好政企AI應(yīng)用落地的各種問題，而這往往需要一系列的開發(fā)工具來支撐實現(xiàn)。

例如針對數(shù)據(jù)開發(fā)，一套強大的數(shù)據(jù)開發(fā)工具，具備高效數(shù)據(jù)采集、清洗、預(yù)處理功能，能夠有效地提高數(shù)據(jù)質(zhì)量�；�于這些高質(zhì)量數(shù)據(jù)，才能對DeepSeek模型進行增訓(xùn)和微調(diào)，適應(yīng)企業(yè)場景。

在模型開發(fā)環(huán)節(jié)，通過一系列先進的工具來支持模型的設(shè)計、訓(xùn)練和優(yōu)化。包括模型的增訓(xùn)、微調(diào)、邊緣部署，并開展量化壓縮和模型評估，幫助開發(fā)者了解模型的優(yōu)缺點，進而進行針對性的優(yōu)化。

還有應(yīng)用開發(fā)環(huán)節(jié)，高效好用的應(yīng)用開發(fā)框架可以幫助用戶快速將訓(xùn)練好的模型集成到各種應(yīng)用系統(tǒng)中，包括Prompt模板、預(yù)制插件、RAG等，實現(xiàn)分鐘級AI應(yīng)用創(chuàng)建。同時，可視化的界面設(shè)計功能，能夠降低開發(fā)門檻，提高開發(fā)效率，使得非專業(yè)的開發(fā)人員也能夠快速搭建出功能完善的 AI 應(yīng)用。

三、人才和經(jīng)驗的積累。架構(gòu)的可演進除了技術(shù)能力外，還離不開其在人才和經(jīng)驗方面的沉淀。這是一種看似抽象，但實際依然有跡可循的能力。隨著政企AI應(yīng)用進程加速，這些能力正轉(zhuǎn)化成為平臺的不可替代的財富。

通過建立完善的經(jīng)驗沉淀機制，將這些經(jīng)驗進行整理、歸納和分享。例如，通過建立內(nèi)部知識庫，定期組織經(jīng)驗分享會和技術(shù)交流活動，對企業(yè)內(nèi)部的經(jīng)驗知識進行結(jié)構(gòu)化管理，可以使得企業(yè)在面對新的大模型目時，能夠快速借鑒以往的成功經(jīng)驗，少走彎路。

同時制定全面的 AI 人才培養(yǎng)計劃，吸引和培養(yǎng)一批高素質(zhì)的 AI 專業(yè)人才。明確 AI 人才的招聘標(biāo)準(zhǔn)、培養(yǎng)計劃、成長通道等，同時，企業(yè)要營造良好的創(chuàng)新氛圍，鼓勵員工勇于嘗試新技術(shù)、新方法，為員工提供實踐和創(chuàng)新的平臺，激發(fā)員工的創(chuàng)造力和潛力，打造一支具有強大競爭力的 AI 人才隊伍。

結(jié)語

今天，DeepSeek引發(fā)的AI熱潮，正在重新定義政企組織面向AI領(lǐng)域的機會與挑戰(zhàn)。面對不斷增長的算力需求和復(fù)雜多變的業(yè)務(wù)場景，企業(yè)不僅需要緊跟時代步伐，積極擁抱新模型、新技術(shù)，更要立足長遠，從自身的實際情況和發(fā)展訴求出發(fā)，精心挑選正確的AI架構(gòu)與演進路徑。

這不僅僅是一次技術(shù)選型的過程，更是對企業(yè)戰(zhàn)略眼光和執(zhí)行能力的考驗。只有選對一個穩(wěn)定、可靠且具備靈活演進能力的AI平臺，才能確保政企AI在大規(guī)模部署、應(yīng)用開發(fā)、數(shù)據(jù)工程以及模型增訓(xùn)、微調(diào)等關(guān)鍵環(huán)節(jié)上取得成功，并以長期穩(wěn)定的姿態(tài)應(yīng)對持續(xù)變化的未來。

*本文圖片均來源于網(wǎng)絡(luò)

       原文標(biāo)題 : 第一批用上DeepSeek的政企，更焦慮了